Baixe o app para aproveitar ainda mais
Prévia do material em texto
Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia Exemplo Um empresa´rio pretende estabelecer uma firma para montagem de um componente mecaˆnico. Cada pec¸a e´ composta de duas partes, A e B, cada uma com uma chance espec´ıfica de ser defeituosa. So´ e´ poss´ıvel verificar a qualidade das pec¸as depois que elas sa˜o montadas. Se ambas sa˜o defeituosas, a pec¸a e´ descartada e da´ um preju´ızo de $5. Se a pec¸a B e´ defeituosa, ainda e´ poss´ıvel reparar a pec¸a e obter um lucro de $5. De maneira semelhante, se A e´ defeituosa, o reparo permite vender a pec¸a inteira com um lucro de $10. Se as duas pec¸as sa˜o boas, o lucro e´ de $15. Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia Exemplo A` cada uma das configurac¸o˜es esta´ associada uma probabilidade: P(A ∩ B) = 0,56, P(Ac ∩ B) = 0,23 P(A ∩ Bc ) = 0,02, P(Ac ∩ Bc) = 0,19 Qual o lucro por pec¸a produzida esperado? Qual a variaˆncia? Como mais podemos descrever a distribuic¸a˜o do lucro? Adaptado de: Morettin & Bussab, Estat´ıstica Ba´sica 5a edic¸a˜o, pa´g 129. Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia -5 5 10 15 0.1 0.2 0.3 0.4 0.5 Figura : Func¸a˜o de probabilidade para a varia´vel aleato´ria X Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia Suponha que o empresa´rio fac¸a a seguinte pergunta: “Qual o lucro me´dio por conjunto montado que espero conseguir?”. A definic¸a˜o de valor me´dio, ou esperanc¸a matema´tica, da varia´vel aleato´ria X que assume valores x1, x2, . . . , xn e´ dada por E (X ) = n∑ i=1 xiP(X = xi ) = n∑ i=1 xip(xi ) Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia Para saber o lucro me´dio do empresa´rio, basta aplicar a fo´rmula: E (X ) = 15 ∗ P(X = 15) + 10 ∗ P(X = 10) + 5 ∗ P(X = 5)− 5 ∗ P(X = −5) = 15 ∗ 0,56 + 10 ∗ 0,23 + 5 ∗ 0,02− 5 ∗ 0,19 = 9,85 Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia Chamamos Variaˆncia da varia´vel aleato´ria X o valor. Var (X ) = n∑ i=1 [xi − E (X )]2P(X = xi ) E o desvio-padra˜o de X , DP (X ), e´ a raiz quadrada da variaˆncia. No caso do empresa´rio, temos Var (X ) = 57,23 e DP (X ) = 7,57. Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia Dada a varia´vel aleato´ria X , chamaremos de func¸a˜o de distribuic¸a˜o acumulada (f.d.a) F (x) a` func¸a˜o F (x) = P(X ≤ x) Observe que o dom´ınio de F e´ o conjunto dos nu´meros reais, ao passo que o contradom´ınio e´ o intervalo [0, 1]. Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia No problema do empresa´rio, usando a func¸a˜o de probabilidade obtida anteriormente, obtemos a f.d.a de X: F (x) = 0 se x < −5 0,19 se −5 ≤ x < 5 0,21 se 5 ≤ x < 10 0,44 se 10 ≤ x < 15 1 se x ≥ 15 Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia -10 -5 5 10 15 20 25 0.2 0.4 0.6 0.8 1.0 Figura : F.d.a. para a varia´vel aleato´ria X Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia Podemos considerar outras medidas de localizac¸a˜o ale´m da me´dia para a varia´vel aleato´ria X . A mediana de X e´ o valor de X que acumula 0,50 de probabilidade. Observe que F (x) em -5 e´ 0,19; em 5, e´ 0,21; e em 10, e´ 0,44. F (x) acumula 0,50 portanto em 15, e Mediana(X ) = 15. A moda de X e´ o valor mais prova´vel; no caso, P(X = 15) = 0,56, portanto Moda(X ) = 15. Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia Exemplo Considere uma urna contendo treˆs bolas vermelhas e cinco pretas. Retire treˆs bolas, sem reposic¸a˜o, e defina a varia´vel aleato´ria X igual ao nu´mero de bolas pretas. Obtenha a distribuic¸a˜o de X . Fonte: Morettin & Bussab, Estat´ıstica Ba´sica 5a edic¸a˜o, pa´g 135. Repare que na˜o ha´ reposic¸a˜o: a primeira extrac¸a˜o tem 5 possibilidades em 8 de ser uma bola preta; mas, a segunda tera´ 5 em 7 se a primeira for vermelha, ou 4 em 7 se a primeira foi preta, e assim por diante. Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia A partir do gra´fico, podemos construir uma tabela com os eventos PPP, PPV , etc. Extrac¸o˜es Probabilidade PPP 5/8 ∗ 4/7 ∗ 3/6 = 5/28 PPV 5/8 ∗ 4/7 ∗ 3/6 = 5/28 PVP 5/8 ∗ 3/7 ∗ 4/6 = 5/28 VPP 3/8 ∗ 5/7 ∗ 4/6 = 5/28 PVV 5/8 ∗ 3/7 ∗ 2/6 = 5/56 VPV 3/8 ∗ 5/7 ∗ 2/6 = 5/56 VVP 3/8 ∗ 2/7 ∗ 5/6 = 5/56 VVV 3/8 ∗ 2/7 ∗ 1/6 = 1/56 Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia Finalmente, observe que sa˜o equivalentes os eventos: {X = 0} = {VVV } {X = 1} = {VVP} ∪ {VPV } ∪ {PVV } {X = 2} = {PPV } ∪ {PVP} ∪ {VPP} {X = 3} = {PPP} Somando as probabilidades dos eventos, encontradas anteriormente, obtemos a func¸a˜o de distribuic¸a˜o de X : x 0 1 2 3 pX (x) 0,02 0,27 0,53 0,18 Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia Podemos calcular a esperanc¸a de X a partir de sua func¸a˜o de probabilidade: E (X ) = 4∑ x=1 x ∗ pX (x) = 0,27 + 0,53 ∗ 2 + 0,18 ∗ 3 = 1,87 Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de BernoulliVaria´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia Exemplo O tempo T , em minutos, necessa´rio para um opera´rio processar certa pec¸a e´ uma v.a. com a seguinte distribuic¸a˜o de probabilidade: t 2 3 4 5 6 7 p(t) 0,1 0,1 0,3 0,2 0,2 0,1 (a) Calcule o tempo me´dio de processamento. (b) Cada pec¸a processada paga ao operador $2,00 mas, se ele processa a pec¸a em menos de 6 minutos, ganha $0,50 por minuto poupado. Por exemplo, se ele processa a pec¸a em 4 minutos, ganha um boˆnus de $1,00. Encontre a distribuic¸a˜o, a me´dia e a variaˆncia da v.a. G : quantia paga por pec¸a. Fonte: Morettin & Bussab, Estat´ıstica Ba´sica 5a edic¸a˜o, pa´g 140. Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia (a) E (T ) = 7∑ t=2 tP(T = t) = 2 ∗ 0,1 + 3 ∗ 0,1 + 4 ∗ 0,3 + 5 ∗ 0,2 +6 ∗ 0,2 + 7 ∗ 0,1 = 4,6 (b) Podemos trocar os valores na tabela do tempo, pelo total ganho por pec¸a; note, contudo, que o opera´rio recebera´ $2,00 no evento {T = 6} ∪ {T = 7}, logo somamos suas probabilidades. Seja S a v.a. “ganho final”. s $ 4,00 $ 3,50 $ 3,00 $ 2,50 $ 2,00 p(s) 0,1 0,1 0,3 0,2 0,3 Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia Obtemos a me´dia e a variaˆncia de S atrave´s da definic¸a˜o: E(S)= ∑ s sP(S =s)=4·0,1+3,5·0,1+3·0,3+2,5·0,2+2·0,3 = 2,75 E ( S2 ) = ∑ s s2P(S =s)=16·0,1+12,25·0,1+9·0,3+6,25·0,2+4·0,3 = = 7,975 Var (S)=7,975− (2,75)2 =0,4125 Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia Exemplo (cont.) Obtenha a func¸a˜o de distribuic¸a˜o acumulada da v.a. T . Fonte: Morettin & Bussab, Estat´ıstica Ba´sica 5a edic¸a˜o, pa´g 140. A func¸a˜o e´ dada por: F (t) = 0 se t < 2 0,1 se 2 ≤ t < 3 0,2 se 3 ≤ t < 4 0,5 se 4 ≤ t < 5 0,7 se 5 ≤ t < 6 0,9 se 6 ≤ t < 7 1 se t ≥ 7 Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Esperanc¸a e Variaˆncia O gra´fico da func¸a˜o acumulada e´ dado por: 2 4 6 8 0.2 0.4 0.6 0.8 1.0 Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Distribuic¸a˜o de Bernoulli Exemplo Um inspetor de qualidade extrai uma amostra aleato´ria de 10 tubos armazenados num depo´sito onde, de acordo com os padro˜es de produc¸a˜o, se espera um total de 20% de tubos defeituosos. Qual e´ a probabilidade de que na˜o mais do que 2 tubos extra´ıdos sejam defeituosos? Se X denotar a varia´vel “nu´mero de tubos defeituosos em 10 extrac¸o˜es independentes e aleato´rias”, qual o seu valor esperado? Qual a variaˆncia? Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Distribuic¸a˜o de Bernoulli Note que a varia´vel aleato´ria X = nu´mero de tubos defeituosos em 10 extrac¸o˜es tem distribuic¸a˜o binomial, com para˜metros n = 10 e p = 0,2. Portanto, “na˜o mais do que dois tubos defeituosos” e´ o evento {X ≤ 2}. Sabemos que, para X ∼ b(10 , 0,2) P(X = x) = ( 10 x ) 0,2x (1− 0,2)10−x e que P(X ≤ 2) = P(X = 0) + P(X = 1) + P(X = 2) = (1− 0,2)10 + 10× 0,2(1− 0,2)9 + 45× 0,22(1− 0,2)8 = 0,6778 Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Distribuic¸a˜o de Bernoulli Se X ∼ b(n, p), enta˜o E(X ) = np Var(X ) = np(1− p) Basta enta˜o aplicar os valores fornecidos para vermos que o nu´mero esperado de tubos defeituosos num experimento com 10 extrac¸o˜es e´ de 2, e que a variaˆncia e´ de 1,6. Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli Varia´veis Aleato´rias Discretas - Distribuic¸a˜o de Bernoulli Exemplo (cont.) Quando se encontram quatro ou mais tubos defeituosos, o processo de produc¸a˜o e´ interrompido para revisa˜o. Qual e´ a probabilidade que isto acontec¸a? A probabilidade e´ dada por P(X ≥ 4) = 1− P(X < 4) = 1− P(X ≤ 3) = 1− 0,879 = 0,121. Organizac¸a˜o: Airton Kist, Rafael Tovar, Diego Bernardini, Heloisa Oliveira, Beatriz Cuyabano, Guilherme Ludwig Aula de Exerc´ıcios - Esperanc¸a e Variaˆncia, Distribuic¸a˜o de Bernoulli
Compartilhar